d4rl_mujoco_walker2d

  • คำอธิบาย :

D4RL เป็นเกณฑ์มาตรฐานแบบโอเพ่นซอร์สสำหรับการเรียนรู้แบบเสริมกำลังแบบออฟไลน์ โดยจัดเตรียมสภาพแวดล้อมและชุดข้อมูลที่เป็นมาตรฐานสำหรับอัลกอริธึมการฝึกอบรมและการวัดประสิทธิภาพ

ชุดข้อมูลเป็นไปตาม รูปแบบ RLDS เพื่อแสดงขั้นตอนและตอน

@misc{fu2020d4rl,
    title={D4RL: Datasets for Deep Data-Driven Reinforcement Learning},
    author={Justin Fu and Aviral Kumar and Ofir Nachum and George Tucker and Sergey Levine},
    year={2020},
    eprint={2004.07219},
    archivePrefix={arXiv},
    primaryClass={cs.LG}
}

d4rl_mujoco_walker2d/v0-ผู้เชี่ยวชาญ (การกำหนดค่าเริ่มต้น)

  • ขนาดดาวน์โหลด : 78.41 MiB

  • ขนาดชุดข้อมูล : 98.64 MiB

  • แคชอัตโนมัติ ( เอกสาร ): ใช่

  • แยก :

แยก ตัวอย่าง
'train' 1,628
  • โครงสร้างคุณสมบัติ :
FeaturesDict({
    'steps': Dataset({
        'action': Tensor(shape=(6,), dtype=float32),
        'discount': float32,
        'is_first': bool,
        'is_last': bool,
        'is_terminal': bool,
        'observation': Tensor(shape=(17,), dtype=float32),
        'reward': float32,
    }),
})
  • เอกสารคุณสมบัติ :
คุณสมบัติ ระดับ รูปร่าง ประเภทD คำอธิบาย
คุณสมบัติDict
ขั้นตอน ชุดข้อมูล
ขั้นตอน/การดำเนินการ เทนเซอร์ (6,) ลอย32
ขั้นตอน/ส่วนลด เทนเซอร์ ลอย32
ขั้นตอน/is_first เทนเซอร์ บูล
ขั้นตอน/is_last เทนเซอร์ บูล
ขั้นตอน/is_terminal เทนเซอร์ บูล
ขั้นตอน/การสังเกต เทนเซอร์ (17,) ลอย32
ขั้นตอน/รางวัล เทนเซอร์ ลอย32

d4rl_mujoco_walker2d/v0-ปานกลาง

  • ขนาดดาวน์โหลด : 80.83 MiB

  • ขนาดชุดข้อมูล : 99.72 MiB

  • แคชอัตโนมัติ ( เอกสาร ): ใช่

  • แยก :

แยก ตัวอย่าง
'train' 5,315
  • โครงสร้างคุณสมบัติ :
FeaturesDict({
    'steps': Dataset({
        'action': Tensor(shape=(6,), dtype=float32),
        'discount': float32,
        'is_first': bool,
        'is_last': bool,
        'is_terminal': bool,
        'observation': Tensor(shape=(17,), dtype=float32),
        'reward': float32,
    }),
})
  • เอกสารคุณสมบัติ :
คุณสมบัติ ระดับ รูปร่าง ประเภทD คำอธิบาย
คุณสมบัติDict
ขั้นตอน ชุดข้อมูล
ขั้นตอน/การดำเนินการ เทนเซอร์ (6,) ลอย32
ขั้นตอน/ส่วนลด เทนเซอร์ ลอย32
ขั้นตอน/is_first เทนเซอร์ บูล
ขั้นตอน/is_last เทนเซอร์ บูล
ขั้นตอน/is_terminal เทนเซอร์ บูล
ขั้นตอน/การสังเกต เทนเซอร์ (17,) ลอย32
ขั้นตอน/รางวัล เทนเซอร์ ลอย32

d4rl_mujoco_walker2d/v0-ผู้เชี่ยวชาญขนาดกลาง

  • ขนาดดาวน์โหลด : 159.24 MiB

  • ขนาดชุดข้อมูล : 198.36 MiB

  • แคชอัตโนมัติ ( เอกสารประกอบ ): เฉพาะเมื่อ shuffle_files=False (train)

  • แยก :

แยก ตัวอย่าง
'train' 6,943
  • โครงสร้างคุณสมบัติ :
FeaturesDict({
    'steps': Dataset({
        'action': Tensor(shape=(6,), dtype=float32),
        'discount': float32,
        'is_first': bool,
        'is_last': bool,
        'is_terminal': bool,
        'observation': Tensor(shape=(17,), dtype=float32),
        'reward': float32,
    }),
})
  • เอกสารคุณสมบัติ :
คุณสมบัติ ระดับ รูปร่าง ประเภทD คำอธิบาย
คุณสมบัติDict
ขั้นตอน ชุดข้อมูล
ขั้นตอน/การดำเนินการ เทนเซอร์ (6,) ลอย32
ขั้นตอน/ส่วนลด เทนเซอร์ ลอย32
ขั้นตอน/is_first เทนเซอร์ บูล
ขั้นตอน/is_last เทนเซอร์ บูล
ขั้นตอน/is_terminal เทนเซอร์ บูล
ขั้นตอน/การสังเกต เทนเซอร์ (17,) ลอย32
ขั้นตอน/รางวัล เทนเซอร์ ลอย32

d4rl_mujoco_walker2d/v0-ผสม

  • ขนาดดาวน์โหลด : 8.42 MiB

  • ขนาดชุดข้อมูล : 10.06 MiB

  • แคชอัตโนมัติ ( เอกสาร ): ใช่

  • แยก :

แยก ตัวอย่าง
'train' 501
  • โครงสร้างคุณสมบัติ :
FeaturesDict({
    'steps': Dataset({
        'action': Tensor(shape=(6,), dtype=float32),
        'discount': float32,
        'is_first': bool,
        'is_last': bool,
        'is_terminal': bool,
        'observation': Tensor(shape=(17,), dtype=float32),
        'reward': float32,
    }),
})
  • เอกสารคุณสมบัติ :
คุณสมบัติ ระดับ รูปร่าง ประเภทD คำอธิบาย
คุณสมบัติDict
ขั้นตอน ชุดข้อมูล
ขั้นตอน/การดำเนินการ เทนเซอร์ (6,) ลอย32
ขั้นตอน/ส่วนลด เทนเซอร์ ลอย32
ขั้นตอน/is_first เทนเซอร์ บูล
ขั้นตอน/is_last เทนเซอร์ บูล
ขั้นตอน/is_terminal เทนเซอร์ บูล
ขั้นตอน/การสังเกต เทนเซอร์ (17,) ลอย32
ขั้นตอน/รางวัล เทนเซอร์ ลอย32

d4rl_mujoco_walker2d/v0-สุ่ม

  • ขนาดดาวน์โหลด : 78.41 MiB

  • ขนาดชุดข้อมูล : 112.04 MiB

  • แคชอัตโนมัติ ( เอกสาร ): ใช่

  • แยก :

แยก ตัวอย่าง
'train' 50,988
  • โครงสร้างคุณสมบัติ :
FeaturesDict({
    'steps': Dataset({
        'action': Tensor(shape=(6,), dtype=float32),
        'discount': float32,
        'is_first': bool,
        'is_last': bool,
        'is_terminal': bool,
        'observation': Tensor(shape=(17,), dtype=float32),
        'reward': float32,
    }),
})
  • เอกสารคุณสมบัติ :
คุณสมบัติ ระดับ รูปร่าง ประเภทD คำอธิบาย
คุณสมบัติDict
ขั้นตอน ชุดข้อมูล
ขั้นตอน/การดำเนินการ เทนเซอร์ (6,) ลอย32
ขั้นตอน/ส่วนลด เทนเซอร์ ลอย32
ขั้นตอน/is_first เทนเซอร์ บูล
ขั้นตอน/is_last เทนเซอร์ บูล
ขั้นตอน/is_terminal เทนเซอร์ บูล
ขั้นตอน/การสังเกต เทนเซอร์ (17,) ลอย32
ขั้นตอน/รางวัล เทนเซอร์ ลอย32

d4rl_mujoco_walker2d/v1-ผู้เชี่ยวชาญ

  • ขนาดดาวน์โหลด : 143.06 MiB

  • ขนาดชุดข้อมูล : 452.72 MiB

  • แคชอัตโนมัติ ( เอกสาร ): No

  • แยก :

แยก ตัวอย่าง
'train' 1,003
  • โครงสร้างคุณสมบัติ :
FeaturesDict({
    'algorithm': string,
    'iteration': int32,
    'policy': FeaturesDict({
        'fc0': FeaturesDict({
            'bias': Tensor(shape=(256,), dtype=float32),
            'weight': Tensor(shape=(256, 17), dtype=float32),
        }),
        'fc1': FeaturesDict({
            'bias': Tensor(shape=(256,), dtype=float32),
            'weight': Tensor(shape=(256, 256), dtype=float32),
        }),
        'last_fc': FeaturesDict({
            'bias': Tensor(shape=(6,), dtype=float32),
            'weight': Tensor(shape=(6, 256), dtype=float32),
        }),
        'last_fc_log_std': FeaturesDict({
            'bias': Tensor(shape=(6,), dtype=float32),
            'weight': Tensor(shape=(6, 256), dtype=float32),
        }),
        'nonlinearity': string,
        'output_distribution': string,
    }),
    'steps': Dataset({
        'action': Tensor(shape=(6,), dtype=float32),
        'discount': float32,
        'infos': FeaturesDict({
            'action_log_probs': float32,
            'qpos': Tensor(shape=(9,), dtype=float32),
            'qvel': Tensor(shape=(9,), dtype=float32),
        }),
        'is_first': bool,
        'is_last': bool,
        'is_terminal': bool,
        'observation': Tensor(shape=(17,), dtype=float32),
        'reward': float32,
    }),
})
  • เอกสารคุณสมบัติ :
คุณสมบัติ ระดับ รูปร่าง ประเภทD คำอธิบาย
คุณสมบัติDict
อัลกอริทึม เทนเซอร์ เชือก
การวนซ้ำ เทนเซอร์ int32
นโยบาย คุณสมบัติDict
นโยบาย/fc0 คุณสมบัติDict
นโยบาย/fc0/อคติ เทนเซอร์ (256,) ลอย32
นโยบาย/fc0/น้ำหนัก เทนเซอร์ (256, 17) ลอย32
นโยบาย/fc1 คุณสมบัติDict
นโยบาย/fc1/อคติ เทนเซอร์ (256,) ลอย32
นโยบาย/fc1/น้ำหนัก เทนเซอร์ (256, 256) ลอย32
นโยบาย/last_fc คุณสมบัติDict
นโยบาย/last_fc/อคติ เทนเซอร์ (6,) ลอย32
นโยบาย/last_fc/น้ำหนัก เทนเซอร์ (6, 256) ลอย32
นโยบาย/last_fc_log_std คุณสมบัติDict
นโยบาย/last_fc_log_std/อคติ เทนเซอร์ (6,) ลอย32
นโยบาย/last_fc_log_std/น้ำหนัก เทนเซอร์ (6, 256) ลอย32
นโยบาย/ความไม่เชิงเส้น เทนเซอร์ เชือก
นโยบาย/output_distribution เทนเซอร์ เชือก
ขั้นตอน ชุดข้อมูล
ขั้นตอน/การดำเนินการ เทนเซอร์ (6,) ลอย32
ขั้นตอน/ส่วนลด เทนเซอร์ ลอย32
ขั้นตอน/ข้อมูล คุณสมบัติDict
ขั้นตอน/ข้อมูล/action_log_probs เทนเซอร์ ลอย32
ขั้นตอน/ข้อมูล/qpos เทนเซอร์ (9,) ลอย32
ขั้นตอน/ข้อมูล/qvel เทนเซอร์ (9,) ลอย32
ขั้นตอน/is_first เทนเซอร์ บูล
ขั้นตอน/is_last เทนเซอร์ บูล
ขั้นตอน/is_terminal เทนเซอร์ บูล
ขั้นตอน/การสังเกต เทนเซอร์ (17,) ลอย32
ขั้นตอน/รางวัล เทนเซอร์ ลอย32

d4rl_mujoco_walker2d/v1-ขนาดกลาง

  • ขนาดดาวน์โหลด : 144.23 MiB

  • ขนาดชุดข้อมูล : 510.08 MiB

  • แคชอัตโนมัติ ( เอกสาร ): No

  • แยก :

แยก ตัวอย่าง
'train' 1,207
  • โครงสร้างคุณสมบัติ :
FeaturesDict({
    'algorithm': string,
    'iteration': int32,
    'policy': FeaturesDict({
        'fc0': FeaturesDict({
            'bias': Tensor(shape=(256,), dtype=float32),
            'weight': Tensor(shape=(256, 17), dtype=float32),
        }),
        'fc1': FeaturesDict({
            'bias': Tensor(shape=(256,), dtype=float32),
            'weight': Tensor(shape=(256, 256), dtype=float32),
        }),
        'last_fc': FeaturesDict({
            'bias': Tensor(shape=(6,), dtype=float32),
            'weight': Tensor(shape=(6, 256), dtype=float32),
        }),
        'last_fc_log_std': FeaturesDict({
            'bias': Tensor(shape=(6,), dtype=float32),
            'weight': Tensor(shape=(6, 256), dtype=float32),
        }),
        'nonlinearity': string,
        'output_distribution': string,
    }),
    'steps': Dataset({
        'action': Tensor(shape=(6,), dtype=float32),
        'discount': float32,
        'infos': FeaturesDict({
            'action_log_probs': float32,
            'qpos': Tensor(shape=(9,), dtype=float32),
            'qvel': Tensor(shape=(9,), dtype=float32),
        }),
        'is_first': bool,
        'is_last': bool,
        'is_terminal': bool,
        'observation': Tensor(shape=(17,), dtype=float32),
        'reward': float32,
    }),
})
  • เอกสารคุณสมบัติ :
คุณสมบัติ ระดับ รูปร่าง ประเภทD คำอธิบาย
คุณสมบัติDict
อัลกอริทึม เทนเซอร์ เชือก
การวนซ้ำ เทนเซอร์ int32
นโยบาย คุณสมบัติDict
นโยบาย/fc0 คุณสมบัติDict
นโยบาย/fc0/อคติ เทนเซอร์ (256,) ลอย32
นโยบาย/fc0/น้ำหนัก เทนเซอร์ (256, 17) ลอย32
นโยบาย/fc1 คุณสมบัติDict
นโยบาย/fc1/อคติ เทนเซอร์ (256,) ลอย32
นโยบาย/fc1/น้ำหนัก เทนเซอร์ (256, 256) ลอย32
นโยบาย/last_fc คุณสมบัติDict
นโยบาย/last_fc/อคติ เทนเซอร์ (6,) ลอย32
นโยบาย/last_fc/น้ำหนัก เทนเซอร์ (6, 256) ลอย32
นโยบาย/last_fc_log_std คุณสมบัติDict
นโยบาย/last_fc_log_std/อคติ เทนเซอร์ (6,) ลอย32
นโยบาย/last_fc_log_std/น้ำหนัก เทนเซอร์ (6, 256) ลอย32
นโยบาย/ความไม่เชิงเส้น เทนเซอร์ เชือก
นโยบาย/output_distribution เทนเซอร์ เชือก
ขั้นตอน ชุดข้อมูล
ขั้นตอน/การดำเนินการ เทนเซอร์ (6,) ลอย32
ขั้นตอน/ส่วนลด เทนเซอร์ ลอย32
ขั้นตอน/ข้อมูล คุณสมบัติDict
ขั้นตอน/ข้อมูล/action_log_probs เทนเซอร์ ลอย32
ขั้นตอน/ข้อมูล/qpos เทนเซอร์ (9,) ลอย32
ขั้นตอน/ข้อมูล/qvel เทนเซอร์ (9,) ลอย32
ขั้นตอน/is_first เทนเซอร์ บูล
ขั้นตอน/is_last เทนเซอร์ บูล
ขั้นตอน/is_terminal เทนเซอร์ บูล
ขั้นตอน/การสังเกต เทนเซอร์ (17,) ลอย32
ขั้นตอน/รางวัล เทนเซอร์ ลอย32

d4rl_mujoco_walker2d/v1-ผู้เชี่ยวชาญขนาดกลาง

  • ขนาดดาวน์โหลด : 286.69 MiB

  • ขนาดชุดข้อมูล : 342.46 MiB

  • แคชอัตโนมัติ ( เอกสาร ): No

  • แยก :

แยก ตัวอย่าง
'train' 2,209
  • โครงสร้างคุณสมบัติ :
FeaturesDict({
    'steps': Dataset({
        'action': Tensor(shape=(6,), dtype=float32),
        'discount': float32,
        'infos': FeaturesDict({
            'action_log_probs': float32,
            'qpos': Tensor(shape=(9,), dtype=float32),
            'qvel': Tensor(shape=(9,), dtype=float32),
        }),
        'is_first': bool,
        'is_last': bool,
        'is_terminal': bool,
        'observation': Tensor(shape=(17,), dtype=float32),
        'reward': float32,
    }),
})
  • เอกสารคุณสมบัติ :
คุณสมบัติ ระดับ รูปร่าง ประเภทD คำอธิบาย
คุณสมบัติDict
ขั้นตอน ชุดข้อมูล
ขั้นตอน/การดำเนินการ เทนเซอร์ (6,) ลอย32
ขั้นตอน/ส่วนลด เทนเซอร์ ลอย32
ขั้นตอน/ข้อมูล คุณสมบัติDict
ขั้นตอน/ข้อมูล/action_log_probs เทนเซอร์ ลอย32
ขั้นตอน/ข้อมูล/qpos เทนเซอร์ (9,) ลอย32
ขั้นตอน/ข้อมูล/qvel เทนเซอร์ (9,) ลอย32
ขั้นตอน/is_first เทนเซอร์ บูล
ขั้นตอน/is_last เทนเซอร์ บูล
ขั้นตอน/is_terminal เทนเซอร์ บูล
ขั้นตอน/การสังเกต เทนเซอร์ (17,) ลอย32
ขั้นตอน/รางวัล เทนเซอร์ ลอย32

d4rl_mujoco_walker2d/v1-เล่นซ้ำขนาดกลาง

  • ขนาดดาวน์โหลด : 84.37 MiB

  • ขนาดชุดข้อมูล : 52.10 MiB

  • แคชอัตโนมัติ ( เอกสาร ): ใช่

  • แยก :

แยก ตัวอย่าง
'train' 1,093
  • โครงสร้างคุณสมบัติ :
FeaturesDict({
    'algorithm': string,
    'iteration': int32,
    'steps': Dataset({
        'action': Tensor(shape=(6,), dtype=float64),
        'discount': float64,
        'infos': FeaturesDict({
            'action_log_probs': float64,
            'qpos': Tensor(shape=(9,), dtype=float64),
            'qvel': Tensor(shape=(9,), dtype=float64),
        }),
        'is_first': bool,
        'is_last': bool,
        'is_terminal': bool,
        'observation': Tensor(shape=(17,), dtype=float64),
        'reward': float64,
    }),
})
  • เอกสารคุณสมบัติ :
คุณสมบัติ ระดับ รูปร่าง ประเภทD คำอธิบาย
คุณสมบัติDict
อัลกอริทึม เทนเซอร์ เชือก
การวนซ้ำ เทนเซอร์ int32
ขั้นตอน ชุดข้อมูล
ขั้นตอน/การดำเนินการ เทนเซอร์ (6,) ลอย64
ขั้นตอน/ส่วนลด เทนเซอร์ ลอย64
ขั้นตอน/ข้อมูล คุณสมบัติDict
ขั้นตอน/ข้อมูล/action_log_probs เทนเซอร์ ลอย64
ขั้นตอน/ข้อมูล/qpos เทนเซอร์ (9,) ลอย64
ขั้นตอน/ข้อมูล/qvel เทนเซอร์ (9,) ลอย64
ขั้นตอน/is_first เทนเซอร์ บูล
ขั้นตอน/is_last เทนเซอร์ บูล
ขั้นตอน/is_terminal เทนเซอร์ บูล
ขั้นตอน/การสังเกต เทนเซอร์ (17,) ลอย64
ขั้นตอน/รางวัล เทนเซอร์ ลอย64

d4rl_mujoco_walker2d/v1-เล่นซ้ำเต็ม

  • ขนาดดาวน์โหลด : 278.95 MiB

  • ขนาดชุดข้อมูล : 171.66 MiB

  • แคชอัตโนมัติ ( เอกสารประกอบ ): เฉพาะเมื่อ shuffle_files=False (train)

  • แยก :

แยก ตัวอย่าง
'train' 1,888
  • โครงสร้างคุณสมบัติ :
FeaturesDict({
    'algorithm': string,
    'iteration': int32,
    'steps': Dataset({
        'action': Tensor(shape=(6,), dtype=float64),
        'discount': float64,
        'infos': FeaturesDict({
            'action_log_probs': float64,
            'qpos': Tensor(shape=(9,), dtype=float64),
            'qvel': Tensor(shape=(9,), dtype=float64),
        }),
        'is_first': bool,
        'is_last': bool,
        'is_terminal': bool,
        'observation': Tensor(shape=(17,), dtype=float64),
        'reward': float64,
    }),
})
  • เอกสารคุณสมบัติ :
คุณสมบัติ ระดับ รูปร่าง ประเภทD คำอธิบาย
คุณสมบัติDict
อัลกอริทึม เทนเซอร์ เชือก
การวนซ้ำ เทนเซอร์ int32
ขั้นตอน ชุดข้อมูล
ขั้นตอน/การดำเนินการ เทนเซอร์ (6,) ลอย64
ขั้นตอน/ส่วนลด เทนเซอร์ ลอย64
ขั้นตอน/ข้อมูล คุณสมบัติDict
ขั้นตอน/ข้อมูล/action_log_probs เทนเซอร์ ลอย64
ขั้นตอน/ข้อมูล/qpos เทนเซอร์ (9,) ลอย64
ขั้นตอน/ข้อมูล/qvel เทนเซอร์ (9,) ลอย64
ขั้นตอน/is_first เทนเซอร์ บูล
ขั้นตอน/is_last เทนเซอร์ บูล
ขั้นตอน/is_terminal เทนเซอร์ บูล
ขั้นตอน/การสังเกต เทนเซอร์ (17,) ลอย64
ขั้นตอน/รางวัล เทนเซอร์ ลอย64

d4rl_mujoco_walker2d/v1-สุ่ม

  • ขนาดดาวน์โหลด : 132.36 MiB

  • ขนาดชุดข้อมูล : 192.06 MiB

  • แคชอัตโนมัติ ( เอกสารประกอบ ): เฉพาะเมื่อ shuffle_files=False (train)

  • แยก :

แยก ตัวอย่าง
'train' 48,790
  • โครงสร้างคุณสมบัติ :
FeaturesDict({
    'steps': Dataset({
        'action': Tensor(shape=(6,), dtype=float32),
        'discount': float32,
        'infos': FeaturesDict({
            'action_log_probs': float32,
            'qpos': Tensor(shape=(9,), dtype=float32),
            'qvel': Tensor(shape=(9,), dtype=float32),
        }),
        'is_first': bool,
        'is_last': bool,
        'is_terminal': bool,
        'observation': Tensor(shape=(17,), dtype=float32),
        'reward': float32,
    }),
})
  • เอกสารคุณสมบัติ :
คุณสมบัติ ระดับ รูปร่าง ประเภทD คำอธิบาย
คุณสมบัติDict
ขั้นตอน ชุดข้อมูล
ขั้นตอน/การดำเนินการ เทนเซอร์ (6,) ลอย32
ขั้นตอน/ส่วนลด เทนเซอร์ ลอย32
ขั้นตอน/ข้อมูล คุณสมบัติDict
ขั้นตอน/ข้อมูล/action_log_probs เทนเซอร์ ลอย32
ขั้นตอน/ข้อมูล/qpos เทนเซอร์ (9,) ลอย32
ขั้นตอน/ข้อมูล/qvel เทนเซอร์ (9,) ลอย32
ขั้นตอน/is_first เทนเซอร์ บูล
ขั้นตอน/is_last เทนเซอร์ บูล
ขั้นตอน/is_terminal เทนเซอร์ บูล
ขั้นตอน/การสังเกต เทนเซอร์ (17,) ลอย32
ขั้นตอน/รางวัล เทนเซอร์ ลอย32

d4rl_mujoco_walker2d/v2-ผู้เชี่ยวชาญ

  • ขนาดดาวน์โหลด : 219.89 MiB

  • ขนาดชุดข้อมูล : 452.16 MiB

  • แคชอัตโนมัติ ( เอกสาร ): No

  • แยก :

แยก ตัวอย่าง
'train' 1,001
  • โครงสร้างคุณสมบัติ :
FeaturesDict({
    'algorithm': string,
    'iteration': int32,
    'policy': FeaturesDict({
        'fc0': FeaturesDict({
            'bias': Tensor(shape=(256,), dtype=float32),
            'weight': Tensor(shape=(256, 17), dtype=float32),
        }),
        'fc1': FeaturesDict({
            'bias': Tensor(shape=(256,), dtype=float32),
            'weight': Tensor(shape=(256, 256), dtype=float32),
        }),
        'last_fc': FeaturesDict({
            'bias': Tensor(shape=(6,), dtype=float32),
            'weight': Tensor(shape=(6, 256), dtype=float32),
        }),
        'last_fc_log_std': FeaturesDict({
            'bias': Tensor(shape=(6,), dtype=float32),
            'weight': Tensor(shape=(6, 256), dtype=float32),
        }),
        'nonlinearity': string,
        'output_distribution': string,
    }),
    'steps': Dataset({
        'action': Tensor(shape=(6,), dtype=float32),
        'discount': float32,
        'infos': FeaturesDict({
            'action_log_probs': float64,
            'qpos': Tensor(shape=(9,), dtype=float64),
            'qvel': Tensor(shape=(9,), dtype=float64),
        }),
        'is_first': bool,
        'is_last': bool,
        'is_terminal': bool,
        'observation': Tensor(shape=(17,), dtype=float32),
        'reward': float32,
    }),
})
  • เอกสารคุณสมบัติ :
คุณสมบัติ ระดับ รูปร่าง ประเภทD คำอธิบาย
คุณสมบัติDict
อัลกอริทึม เทนเซอร์ เชือก
การวนซ้ำ เทนเซอร์ int32
นโยบาย คุณสมบัติDict
นโยบาย/fc0 คุณสมบัติDict
นโยบาย/fc0/อคติ เทนเซอร์ (256,) ลอย32
นโยบาย/fc0/น้ำหนัก เทนเซอร์ (256, 17) ลอย32
นโยบาย/fc1 คุณสมบัติDict
นโยบาย/fc1/อคติ เทนเซอร์ (256,) ลอย32
นโยบาย/fc1/น้ำหนัก เทนเซอร์ (256, 256) ลอย32
นโยบาย/last_fc คุณสมบัติDict
นโยบาย/last_fc/อคติ เทนเซอร์ (6,) ลอย32
นโยบาย/last_fc/น้ำหนัก เทนเซอร์ (6, 256) ลอย32
นโยบาย/last_fc_log_std คุณสมบัติDict
นโยบาย/last_fc_log_std/อคติ เทนเซอร์ (6,) ลอย32
นโยบาย/last_fc_log_std/น้ำหนัก เทนเซอร์ (6, 256) ลอย32
นโยบาย/ความไม่เชิงเส้น เทนเซอร์ เชือก
นโยบาย/output_distribution เทนเซอร์ เชือก
ขั้นตอน ชุดข้อมูล
ขั้นตอน/การดำเนินการ เทนเซอร์ (6,) ลอย32
ขั้นตอน/ส่วนลด เทนเซอร์ ลอย32
ขั้นตอน/ข้อมูล คุณสมบัติDict
ขั้นตอน/ข้อมูล/action_log_probs เทนเซอร์ ลอย64
ขั้นตอน/ข้อมูล/qpos เทนเซอร์ (9,) ลอย64
ขั้นตอน/ข้อมูล/qvel เทนเซอร์ (9,) ลอย64
ขั้นตอน/is_first เทนเซอร์ บูล
ขั้นตอน/is_last เทนเซอร์ บูล
ขั้นตอน/is_terminal เทนเซอร์ บูล
ขั้นตอน/การสังเกต เทนเซอร์ (17,) ลอย32
ขั้นตอน/รางวัล เทนเซอร์ ลอย32

d4rl_mujoco_walker2d/v2-เล่นซ้ำเต็ม

  • ขนาดดาวน์โหลด : 271.91 MiB

  • ขนาดชุดข้อมูล : 171.66 MiB

  • แคชอัตโนมัติ ( เอกสารประกอบ ): เฉพาะเมื่อ shuffle_files=False (train)

  • แยก :

แยก ตัวอย่าง
'train' 1,888
  • โครงสร้างคุณสมบัติ :
FeaturesDict({
    'algorithm': string,
    'iteration': int32,
    'steps': Dataset({
        'action': Tensor(shape=(6,), dtype=float32),
        'discount': float32,
        'infos': FeaturesDict({
            'action_log_probs': float64,
            'qpos': Tensor(shape=(9,), dtype=float64),
            'qvel': Tensor(shape=(9,), dtype=float64),
        }),
        'is_first': bool,
        'is_last': bool,
        'is_terminal': bool,
        'observation': Tensor(shape=(17,), dtype=float32),
        'reward': float32,
    }),
})
  • เอกสารคุณสมบัติ :
คุณสมบัติ ระดับ รูปร่าง ประเภทD คำอธิบาย
คุณสมบัติDict
อัลกอริทึม เทนเซอร์ เชือก
การวนซ้ำ เทนเซอร์ int32
ขั้นตอน ชุดข้อมูล
ขั้นตอน/การดำเนินการ เทนเซอร์ (6,) ลอย32
ขั้นตอน/ส่วนลด เทนเซอร์ ลอย32
ขั้นตอน/ข้อมูล คุณสมบัติDict
ขั้นตอน/ข้อมูล/action_log_probs เทนเซอร์ ลอย64
ขั้นตอน/ข้อมูล/qpos เทนเซอร์ (9,) ลอย64
ขั้นตอน/ข้อมูล/qvel เทนเซอร์ (9,) ลอย64
ขั้นตอน/is_first เทนเซอร์ บูล
ขั้นตอน/is_last เทนเซอร์ บูล
ขั้นตอน/is_terminal เทนเซอร์ บูล
ขั้นตอน/การสังเกต เทนเซอร์ (17,) ลอย32
ขั้นตอน/รางวัล เทนเซอร์ ลอย32

d4rl_mujoco_walker2d/v2-ขนาดกลาง

  • ขนาดดาวน์โหลด : 221.50 MiB

  • ขนาดชุดข้อมูล : 505.58 MiB

  • แคชอัตโนมัติ ( เอกสาร ): No

  • แยก :

แยก ตัวอย่าง
'train' 1,191
  • โครงสร้างคุณสมบัติ :
FeaturesDict({
    'algorithm': string,
    'iteration': int32,
    'policy': FeaturesDict({
        'fc0': FeaturesDict({
            'bias': Tensor(shape=(256,), dtype=float32),
            'weight': Tensor(shape=(256, 17), dtype=float32),
        }),
        'fc1': FeaturesDict({
            'bias': Tensor(shape=(256,), dtype=float32),
            'weight': Tensor(shape=(256, 256), dtype=float32),
        }),
        'last_fc': FeaturesDict({
            'bias': Tensor(shape=(6,), dtype=float32),
            'weight': Tensor(shape=(6, 256), dtype=float32),
        }),
        'last_fc_log_std': FeaturesDict({
            'bias': Tensor(shape=(6,), dtype=float32),
            'weight': Tensor(shape=(6, 256), dtype=float32),
        }),
        'nonlinearity': string,
        'output_distribution': string,
    }),
    'steps': Dataset({
        'action': Tensor(shape=(6,), dtype=float32),
        'discount': float32,
        'infos': FeaturesDict({
            'action_log_probs': float64,
            'qpos': Tensor(shape=(9,), dtype=float64),
            'qvel': Tensor(shape=(9,), dtype=float64),
        }),
        'is_first': bool,
        'is_last': bool,
        'is_terminal': bool,
        'observation': Tensor(shape=(17,), dtype=float32),
        'reward': float32,
    }),
})
  • เอกสารคุณสมบัติ :
คุณสมบัติ ระดับ รูปร่าง ประเภทD คำอธิบาย
คุณสมบัติDict
อัลกอริทึม เทนเซอร์ เชือก
การวนซ้ำ เทนเซอร์ int32
นโยบาย คุณสมบัติDict
นโยบาย/fc0 คุณสมบัติDict
นโยบาย/fc0/อคติ เทนเซอร์ (256,) ลอย32
นโยบาย/fc0/น้ำหนัก เทนเซอร์ (256, 17) ลอย32
นโยบาย/fc1 คุณสมบัติDict
นโยบาย/fc1/อคติ เทนเซอร์ (256,) ลอย32
นโยบาย/fc1/น้ำหนัก เทนเซอร์ (256, 256) ลอย32
นโยบาย/last_fc คุณสมบัติDict
นโยบาย/last_fc/อคติ เทนเซอร์ (6,) ลอย32
นโยบาย/last_fc/น้ำหนัก เทนเซอร์ (6, 256) ลอย32
นโยบาย/last_fc_log_std คุณสมบัติDict
นโยบาย/last_fc_log_std/อคติ เทนเซอร์ (6,) ลอย32
นโยบาย/last_fc_log_std/น้ำหนัก เทนเซอร์ (6, 256) ลอย32
นโยบาย/ความไม่เชิงเส้น เทนเซอร์ เชือก
นโยบาย/output_distribution เทนเซอร์ เชือก
ขั้นตอน ชุดข้อมูล
ขั้นตอน/การดำเนินการ เทนเซอร์ (6,) ลอย32
ขั้นตอน/ส่วนลด เทนเซอร์ ลอย32
ขั้นตอน/ข้อมูล คุณสมบัติDict
ขั้นตอน/ข้อมูล/action_log_probs เทนเซอร์ ลอย64
ขั้นตอน/ข้อมูล/qpos เทนเซอร์ (9,) ลอย64
ขั้นตอน/ข้อมูล/qvel เทนเซอร์ (9,) ลอย64
ขั้นตอน/is_first เทนเซอร์ บูล
ขั้นตอน/is_last เทนเซอร์ บูล
ขั้นตอน/is_terminal เทนเซอร์ บูล
ขั้นตอน/การสังเกต เทนเซอร์ (17,) ลอย32
ขั้นตอน/รางวัล เทนเซอร์ ลอย32

d4rl_mujoco_walker2d/v2-ผู้เชี่ยวชาญขนาดกลาง

  • ขนาดดาวน์โหลด : 440.79 MiB

  • ขนาดชุดข้อมูล : 342.45 MiB

  • แคชอัตโนมัติ ( เอกสาร ): No

  • แยก :

แยก ตัวอย่าง
'train' 2,191
  • โครงสร้างคุณสมบัติ :
FeaturesDict({
    'steps': Dataset({
        'action': Tensor(shape=(6,), dtype=float32),
        'discount': float32,
        'infos': FeaturesDict({
            'action_log_probs': float64,
            'qpos': Tensor(shape=(9,), dtype=float64),
            'qvel': Tensor(shape=(9,), dtype=float64),
        }),
        'is_first': bool,
        'is_last': bool,
        'is_terminal': bool,
        'observation': Tensor(shape=(17,), dtype=float32),
        'reward': float32,
    }),
})
  • เอกสารคุณสมบัติ :
คุณสมบัติ ระดับ รูปร่าง ประเภทD คำอธิบาย
คุณสมบัติDict
ขั้นตอน ชุดข้อมูล
ขั้นตอน/การดำเนินการ เทนเซอร์ (6,) ลอย32
ขั้นตอน/ส่วนลด เทนเซอร์ ลอย32
ขั้นตอน/ข้อมูล คุณสมบัติDict
ขั้นตอน/ข้อมูล/action_log_probs เทนเซอร์ ลอย64
ขั้นตอน/ข้อมูล/qpos เทนเซอร์ (9,) ลอย64
ขั้นตอน/ข้อมูล/qvel เทนเซอร์ (9,) ลอย64
ขั้นตอน/is_first เทนเซอร์ บูล
ขั้นตอน/is_last เทนเซอร์ บูล
ขั้นตอน/is_terminal เทนเซอร์ บูล
ขั้นตอน/การสังเกต เทนเซอร์ (17,) ลอย32
ขั้นตอน/รางวัล เทนเซอร์ ลอย32

d4rl_mujoco_walker2d/v2-เล่นซ้ำขนาดกลาง

  • ขนาดดาวน์โหลด : 82.32 MiB

  • ขนาดชุดข้อมูล : 52.10 MiB

  • แคชอัตโนมัติ ( เอกสาร ): ใช่

  • แยก :

แยก ตัวอย่าง
'train' 1,093
  • โครงสร้างคุณสมบัติ :
FeaturesDict({
    'algorithm': string,
    'iteration': int32,
    'steps': Dataset({
        'action': Tensor(shape=(6,), dtype=float32),
        'discount': float32,
        'infos': FeaturesDict({
            'action_log_probs': float64,
            'qpos': Tensor(shape=(9,), dtype=float64),
            'qvel': Tensor(shape=(9,), dtype=float64),
        }),
        'is_first': bool,
        'is_last': bool,
        'is_terminal': bool,
        'observation': Tensor(shape=(17,), dtype=float32),
        'reward': float32,
    }),
})
  • เอกสารคุณสมบัติ :
คุณสมบัติ ระดับ รูปร่าง ประเภทD คำอธิบาย
คุณสมบัติDict
อัลกอริทึม เทนเซอร์ เชือก
การวนซ้ำ เทนเซอร์ int32
ขั้นตอน ชุดข้อมูล
ขั้นตอน/การดำเนินการ เทนเซอร์ (6,) ลอย32
ขั้นตอน/ส่วนลด เทนเซอร์ ลอย32
ขั้นตอน/ข้อมูล คุณสมบัติDict
ขั้นตอน/ข้อมูล/action_log_probs เทนเซอร์ ลอย64
ขั้นตอน/ข้อมูล/qpos เทนเซอร์ (9,) ลอย64
ขั้นตอน/ข้อมูล/qvel เทนเซอร์ (9,) ลอย64
ขั้นตอน/is_first เทนเซอร์ บูล
ขั้นตอน/is_last เทนเซอร์ บูล
ขั้นตอน/is_terminal เทนเซอร์ บูล
ขั้นตอน/การสังเกต เทนเซอร์ (17,) ลอย32
ขั้นตอน/รางวัล เทนเซอร์ ลอย32

d4rl_mujoco_walker2d/v2-สุ่ม

  • ขนาดดาวน์โหลด : 206.10 MiB

  • ขนาดชุดข้อมูล : 192.11 MiB

  • แคชอัตโนมัติ ( เอกสารประกอบ ): เฉพาะเมื่อ shuffle_files=False (train)

  • แยก :

แยก ตัวอย่าง
'train' 48,908
  • โครงสร้างคุณสมบัติ :
FeaturesDict({
    'steps': Dataset({
        'action': Tensor(shape=(6,), dtype=float32),
        'discount': float32,
        'infos': FeaturesDict({
            'action_log_probs': float64,
            'qpos': Tensor(shape=(9,), dtype=float64),
            'qvel': Tensor(shape=(9,), dtype=float64),
        }),
        'is_first': bool,
        'is_last': bool,
        'is_terminal': bool,
        'observation': Tensor(shape=(17,), dtype=float32),
        'reward': float32,
    }),
})
  • เอกสารคุณสมบัติ :
คุณสมบัติ ระดับ รูปร่าง ประเภทD คำอธิบาย
คุณสมบัติDict
ขั้นตอน ชุดข้อมูล
ขั้นตอน/การดำเนินการ เทนเซอร์ (6,) ลอย32
ขั้นตอน/ส่วนลด เทนเซอร์ ลอย32
ขั้นตอน/ข้อมูล คุณสมบัติDict
ขั้นตอน/ข้อมูล/action_log_probs เทนเซอร์ ลอย64
ขั้นตอน/ข้อมูล/qpos เทนเซอร์ (9,) ลอย64
ขั้นตอน/ข้อมูล/qvel เทนเซอร์ (9,) ลอย64
ขั้นตอน/is_first เทนเซอร์ บูล
ขั้นตอน/is_last เทนเซอร์ บูล
ขั้นตอน/is_terminal เทนเซอร์ บูล
ขั้นตอน/การสังเกต เทนเซอร์ (17,) ลอย32
ขั้นตอน/รางวัล เทนเซอร์ ลอย32